Sensorfusion

Zurück Zur Übersicht

QASS hat sein Messsystem für universelle Anwendungen geöffnet und ermöglicht die Sensorfusion in Verbindung mit Python. Dies ermöglicht das Labeling von Sensorsignalen für Prozess-, Bauteil- oder Maschinenzustände, unabhängig von den verwendeten Sensoren oder Maschinensignalen. Es stehen verschiedene Methoden zur Anbindung von Sensoren an das Messsystem Optimizer4D zur Verfügung.

Methoden zur Sensoranbindung

die direkte Methode: Sensoren, die schnelle Abtastungen erfordern oder anfällig für elektromagnetische Störungen sind, können über QASS Vorverstärker direkt an das Messsystem angeschlossen werden.
die semidirekte Methode: Digitale Signale oder Datenströme können über gängige Computerschnittstellen direkt an das Messsystem angeschlossen werden. In der Messdatenanalyse werden diese als virtuelle Ports erkannt und in die Datenanalyse integriert.
die indirekte Methode: Sensoren mit niedriger Abtastrate, wie Temperatursensoren, können über Raspberry Pi mit eigenen Messkarten indirekt an den Optimizer angeschlossen werden. Das Raspberry Pi übernimmt die Abtastung und A/D-Wandlung und ermöglicht sogar die Steuerung von Maschinen, die normalerweise keine Kommunikation mit modernen Steuerungseinheiten unterstützen.

Externe Schnittstellen in der Optimizer4D Software

Interface-Dateien
Hier gilt das Linux-Motto ''Alles ist eine Datei''. Sie können eine oder mehrere Dateien anlegen, die dann als Input-Datenstrom definiert werden. Die Datenrate wird flexibel festgelegt, und jeder Wert wird automatisch als Fließkommazahl verarbeitet. Es ist auch möglich, Multichannel-Datenströme zu definieren, um mehrere Messwerte mit derselben Abtastrate zu akzeptieren. Die Quelle der Daten ist dabei unwichtig, sie könne beispielweise während einer Messung von einem Python-Skript erzeugt werden. Diese Schnittstelle erlaubt die Einbindung von Daten aus Simulationen oder einem selbstgebauten IOT-System auf Basis eines Raspberry Pi, unabhängig davon, ob der Anschluss seriell, per LAN oder WLAN erfolgt.
Python-virtual-Interface
Hier haben Python-Programmierer die Möglichkeit, eigene Plugins zu entwickeln, die eine GUI innerhalb der Optimizer4D Software zur Verfügung stellen. Mit diesen Plugins können verschiedene Parameter der entfernten Daten- und Sensorquelle eingestellt werden. Es können sämtliche von den Sensoren unterstützten Einstellungen von hier aus parametriert werden.
Interface-Plugins für C++ Programmierer
Für C++ Programmierer bietet QASS ein C++ Template an, mit dem Sensorplugins mithilfe des Open-Source Entwicklungssystems ''Qt'' problemlos erstellt werden können. Diese Plugins lesen Daten- und Sensorquellen und unterstützten die Parametrierung der Sensorik.

QASS Vorverstärker

Unsere QASS Vorverstärker bieten herausragende Leistungen in der Kommunikation mit analogen Inputs des Optimizer4D, mit Abtastraten von bis zu 50MSamples. Sie sind in Ausführungen für AC und DC verfügbar, jeweils mit BNC- und Triax-Anschlüssen. Besonders hervorzuheben ist unsere Triax-Version, die speziell für unsere ''aktiven Körperschallsensoren'' entwickelt wurde. Diese Sensoren (Q-WTA) verfügen über einen zusätzlichen integrierten Verstärker sowie eine umfassende elektrische Schirmung. Am Optimizer4D können bis zu 8 unserer Vorverstärker angeschlossen werden, wobei jeweils 4 parallel digitalisiert werden können.

QASS Sensoren und unterstützte Sensortypen

QASS verfügt über umfangreiche Erfahrung im Umgang mit verschiedenen Sensoren, darunter:

Körperschallsensoren (Q-WT und Q-WTA) bis zu 50MHz.
Barkhausensensoren mit integriertem Laserabstandssensor(bis zu 4MHz).
Strom- und Spannungssensoren für hochfrequente Abtastungen, z.B., Schweißströme und Spannungen.
Laserabstandssensoren
Laserlinienscanner
Webcam
Pyrometer
Mikrofone
induktive/kapazitive Abstandssensoren
alle anderen Sensoren

Weitere mögliche Datenströme:

Datenbanken
Dateien
SPS Daten

Datenerfassung und Integration

Nahezu alle analogen Sensoren können über Kleincomputer wie den Raspberry Pi digitalisiert werden; ihre Daten werden per USB oder TCP/IP zur Verfügung gestellt. Dies ist beispielsweise bei induktiven oder kapazitiven Abstandssensoren sowie verschiedenen Temperatursensoren der Fall. Sensoren, die ihre Daten bereits digitalisiert zur Verfügung stellen, können ebenfalls per USB oder TCP/IP integriert werden. Dazu zählen unter anderem Laserabstandssensoren, Pyrometer und Refraktometer. Des weiteren können Datenströme einer SPS, beispielsweise per OPC-UA, gelesen, mit einem Python Script verarbeitet und als virtueller Datenstrom in den Optimizer4D eingekoppelt werden. Dies ermöglicht die zeitkorrelierte Verfügbarkeit aller Daten der SPS im Optimizer4D.

Sollten sich die Daten der SPS nur langsam ändern, können sie alternativ als ''Process-Event'' in der SQL-Datenbank des Optimizer4D gespeichert werden, um effiziente Datenerfassung und -verarbeitung sicherzustellen.